マイクロソフト AIエージェント入門：本番環境におけるAIエージェントの概要

簡単

このコースで扱うのは

このコースを修了すると、次のことができるようになります：

信頼できるAIエージェントを配備することが重要です。信頼できるAIエージェントの構築コースもご覧ください。

AIエージェントを導入する前、導入中、導入後に評価するための適切なシステムを持つことは非常に重要です。そうすることで、システムが御社の目標やユーザーの目標に沿ったものになります。

AIエージェントを評価するには、エージェントの出力だけでなく、AIエージェントが動作しているシステム全体を評価することが重要です。これには以下が含まれますが、これらに限定されません：

これにより、よりモジュール化された方法で改善点を特定することができます。そして、モデル、ヒント、ツール、その他のコンポーネントの変更の効果を、より効果的にモニターすることができる。

課題	解決策の可能性
AIエージェントが一貫したタスクを実行できない	- AIエージェントへの合図を改善し、目標を明確にする。 - タスクをサブタスクに分割し、複数のエージェントに処理させることが役に立つかどうかを判断する。
AIエージェントは連続的なループに陥っている。	- エージェントがプロセスを停止するタイミングがわかるように、終了条件を明確にしてください。 - 推論と計画を必要とする複雑なタスクには、推論タスク用に特別に設計されたより大きなモデルを使用します。
貧弱なAIエージェントのツールコール	- エージェントシステム外でのツール出力のテストと検証。 - 定義されたパラメータ、ヒント、ツールのネーミングを改善しました。
マルチエージェントシステムは安定したパフォーマンスを発揮できない	- 各エージェントに与えるヒントを、具体的で互いに異なるものに改善する。 - どのAgentが正しいかを判断するために、"Route "またはController Agentを使って階層的なシステムを構築する。

ここでは、本番環境へのAIエージェントの導入コストを管理するための戦略をいくつか紹介する：

キャッシュ・レスポンス - 一般的なリクエストやタスクを特定し、エージェントシステムを通過する前にレスポンスを提供することは、類似したリクエストの量を減らす素晴らしい方法です。より基本的なAIモデルを使用して、リクエストがキャッシュされたリクエストとどの程度似ているかを識別するプロセスを実装することもできます。
小型モデルの使用 - 小型言語モデル（SLM）は、エージェントのユースケースによっては優れた性能を発揮し、コストを大幅に削減することができます。先に述べたように、評価システムを構築して、より大きなモデルとの性能を決定し比較することが、ユースケースにおいてSLMがどのように機能するかを理解する最善の方法です。
ルーターモデルの使用 - 同様の戦略は、様々なモデルとサイズを使用することである。大規模言語モデル／小規模言語モデルやサーバーレス機能を使用し、複雑さに基づいて最も適切なモデルにリクエストをルーティングすることができる。これはまた、適切なタスクのパフォーマンスを確保しながらコストを削減するのに役立つ。

初心者のためのAIエージェント」の最後のレッスンです。

今後も、この成長産業の変化やフィードバックに基づき、コースを追加していく予定ですので、近い将来、また訪れてください。